阿里巴巴达摩院RISC-V软件副总裁李春强带来题为“玄铁RISC-V—创新架构推动智算未来”的主题演讲，深入解读开源指令集架构如何赋能智能计算新时代。李春强阐述，RISC-V指令集架构自2015年由加州大学伯克利分校开源以来发展迅速，目前全球出货量已超过100亿颗，并与谷歌安卓生态实现融合。高通收购Metaverse、Meta收购Rivers等行业动向，均表明RISC-V正加速向高性能领域迈进。李春强指出，当前AI大模型呈现两大趋势：一是开源化，国内模型社区魔搭已有超过12万个开源模型；二是端侧部署，大模型正向边缘设备延伸。RISC-V凭借模块化、可扩展的特性，可通过Vector和Matrix扩展指令集实现弹性算力，覆盖从端侧低成本到云端高性能的全场景AI计算需求。

智识神工董事长兼首席执行官楚庆以“GPU还能热多久”为题发表演讲，冷静审视AI算力市场的周期性走向与未来格局。楚庆指出，英伟达的GPGPU技术与大模型训练形成了强绑定关系，这推动其市值从2015年的150亿美元飙升至如今的5万亿美元，创造了人类商业史上的奇迹。然而，他认为以“大数据、大算力、大模型”为特征的训练时代已经过去，市场正步入以推理为核心的Token时代。在楚庆看来，训练与推理的分离并非小事，而是具有分水岭意义的转折——其本质是需求的转移。他强调，大语言模型是AI时代的起点而非终点，未来必将出现新的架构，开创知识创造的新纪元。

PDF Solutions亚太区副总裁俞冠源博士围绕“智能规模化：平台驱动，赋能半导体全生态AI分析规模化落地”展开分享，探讨数据智能如何贯穿芯片制造全链条。俞冠源指出，传统的DTCO已不足以应对当前挑战，行业正迈向STCO新阶段。数据规模的剧变意味着传统SQL数据库和BI工具已难以胜任，必须依托可扩展的分析引擎。在测试环节，俞冠源介绍了跨厂区数据整合的典型场景：当逻辑芯片与HBM存储芯片来自不同测试厂，如何实现“好配好”的精准匹配，以及基于AI的自适应测试、智能复测和最终测试预测，都对数据贯通提出了更高要求。他强调，数据质量与系统持续迭代是AI落地的关键。

泰瑞达全球汽车与计算事业部总监张震宇发表“从设计到测试：AI芯片带来的挑战与解决方案”主题演讲。随着AI芯片晶体管数量急剧攀升，芯片功耗持续增大，迭代周期不断缩短，测试环节正面临压力。首先是测试覆盖率问题：传统DFT方法已难以应对日益复杂的芯片架构，需探索在不牺牲质量的前提下提升测试效率的方法。第二是热管理难题：运行高性能AI芯片时的过热不仅影响性能，还会加速器件老化。最后是质量与可靠性保障：芯片“静默数据损坏”（Silent Data Corruption）问题日益突出，这要求测试环节必须更加严格。张震宇提出，测试行业应借鉴软件工程的成熟经验，引入回归测试、单元测试、DevOps等方法论，并结合AI工具实现流程自动化，最终达成“用AI测试AI芯片”的目标。

Tenstorrent首席架构师练维汉以“未来智能开放晶粒架构蓝图”收官本场论坛，描绘开放Chiplet生态的发展愿景与技术路线。练维汉指出，当前AI算力需求以每年2.4倍的速度增长，单靠制程演进已无法满足AI应用对算力的庞大需求，业界纷纷转向Chiplet方案。然而，芯片设计成本已攀升至天文数字，面对如此高昂的门槛，单一企业难以独力应对所有市场需求。为此，Tenstorrent正积极推动开放Chiplet标准的制定，并参与欧洲"European Chassis Program"等项目，与宝马、博世、恩智浦等企业合作。该标准涵盖物理层、协议层、系统层及软件层，旨在实现不同厂商芯粒的互联互通，让芯片设计如同"搭乐高"般灵活组合，从而降低成本、加速创新。